遗传算法实验报告.pptVIP

实验报告 遗传算法 遗传算法 遗传算法的背景 ◆2遗传算法的国内外发展情况 3.遗传算法的原理 4遗传算法的步骤 ◆5算法的结构 6.总结 1.遗传算法的背景 生物在自然界中的生存繁衍,显示出了其对自然环境的自 适应能力。生物的进化过程,主要是通过染色体之间的交叉和 变异来完成的。它通过选择淘汰,突然变异,基因遗传等规律 产生适应环境的优良物种。受其启发,人们致力于对生物各种 生存特性的机理研究和行为模拟,为人工自适应系统的设计和 开发提供了广阔的前景。 自然界中的多种生物之所以能够适应环境而得以生存进化 是和遗传和变异生命现象分不开的。正是生物的这种遗传特性, 使生物界的物种能够保持相对的稳定;而生物的变异特性,使 生物个体产生新的性状,以致于形成新的物种,推动了生物的 进化和发展就是这种生物行为的计算机模拟中令人瞩目的重要 成果。基于对生物遗传和进化过程的计算机模拟,遗传算法使 得各种人工系统具有优良的自适应能力和优化能力。遗传算法 就是模仿自然界的生物进化机制发展起来的随机全局搜索和优 化方法,借鉴了达尔文的进化论和孟德尔的遗传学说 2遗传算法的国内外发展情况 进入90年代,遗传算法迎来了兴盛发展时期,无论是理论 研究还是应用研究都成了十分热门的课题 随着应用领域的扩展,遗传算法的硏宄出现了几个引人注 目的新动向:一是基于遗传算法的机器学习,这一新的研究课 题把遗传算法从历来离散的搜索空间的优化搜索算法扩展到具 有独特的规则生成功能的崭新的机器学习算法。 这一新的学习机制对于解决人工智能中知识获取和知识优 化精炼的瓶颈难题带来了希望。 二是遗传算法正日益和神经网络、模糊推理以及混沌理论 等其它智能计算方法相互渗透和结合,这对开拓21世纪中新的 智能计算技术将具有重要的意义 三是并行处理的遗传算法的研究十分活跃。这一研究不仅 对遗传算法本身的发展,而且对于新一代智能计算机体系结构 的研究都是十分重要的。 四是遗传算法和另一个称为人工生命的崭新研究领域正不断渗 透。所谓人工生命即是用计算机模拟自然界丰富多彩的生命现 象,其中生物的自适应、进化和免疫等现象是人工生命的重要 研究对象,而遗传算法在这方面将会发挥一定的作用,五是遗 传算法和进化规划( Evolution Programming,EP)以及进化策 略( Evolution Strategy,ES)等进化计算理论日益结合。 3.遗传算法的原理 遗传算法的思想源于生物遗传学和适者生存的自然规律, 是具有“生存+检测”的迭代过程的搜索算法。它以一种 群体中的所有个体为对象,并利用随机化技术指导对一个被 编码的参数空间进行高效搜索。其中,选择、交叉和变异 构成了遗传算法的遗传操作;参数编码、初始群体的设定、 适应度函数的设计、遗传操作设计、控制参数设定五个要素 组成了遗传算法的核心内容。 遗传算法的流程为: 开始 选择编码方式 产生初始群体 计算初始群体的适应度 若不满足结束条件则循环执行 选择操作 交换操作 变异操作; 计算新一代群体的适应度 一结束 由此可以看出,从搜索角度,遗传算法与传统的搜索方 法相比具有如下独特的优点 ①搜索过程不直接作用在变量上,不必非常明确描述问题 的全部特征,可直接对结构对象(集合、序列、矩阵、树、 图、链和表)进行操作,通用性强,能很快适应问题和环境 的变化。 ②采用概率的变迁规则来指导搜索方向,而不采用确定性